考公备考追踪

朱批录 · 国考备考追踪 技能 一、首次安装提示

技能 首次加载时（~/.OpenClaw/技能s/kaogong-study-追踪er/.welcomed 不存在）， 主动发一条说明消息，之后不再重复：

朱批录已安装。

直接发文字就能记录，比如"今天判断推理错了8道"。 发截图的话，需要 OpenClaw 配置了支持图片输入的多模态模型才能自动识别。 没有的话也没关系，把题目文字手动复制过来发给我，一样能整理。

不问任何问题，不存储任何凭据。

二、概览

平台无关——飞书、Telegram、Whats应用、Discord，逻辑完全一致。

图片识别统一走多模态模型：文字题、图形推理、统计图表都能理解，不依赖本地 OCR。

三、触发场景 用户说的话（示例） 应执行的操作 "今天做了一套行测，判断推理错了8道" → 解析 + 归档 + 分析 发来一张错题截图（图片消息） → 多模态识别 + 单题归档 + 追问原因 发来截图并附带"粗心" → 多模态识别 + 直接归档，不追问 "把今天的错题发给你：第12题……" → 错题分类 + 存档 "今天申论没写，太累了" → 打卡记录（未完成状态） "我最近资料分析一直不稳，怎么办" → 查历史记录 + 建议 "帮我看看最近哪个模块最弱" → 统计分析 + 回复 "导出错题本" / "把错题发给我" / "生成报告" → 导出_xlsx.js，发回文件 "只导出待二刷的" → 筛选导出，仅待二刷题目 "导出判断推理的错题" → 按科目筛选导出 "导出最近两周的" → 按时间筛选导出 "只导出待二刷的资料分析题" → 多条件组合筛选导出 "资料-乘积增长-公式不熟-待二刷"（快捷格式） → 直接归档，不追问 二刷时回复"记得" / "不记得" → review_reminder.js 处理，连续2次记得→已掌握 "同步到飞书" / "更新飞书错题本" → feishu_doc.js，同步含截图 四、数据结构

所有数据以 JSON 存储在 ~/.OpenClaw/技能s/kaogong-study-追踪er/data/。

4.1 每日记录 dAIly/{YYYY-MM-DD}.json { "date": "2026-03-17", "模块s": { "言语理解": { "wrong": 6, "total": 40 }, "数量关系": { "wrong": 8, "total": 15 }, "判断推理": { "wrong": 10, "total": 40 }, "资料分析": { "wrong": 7, "total": 20 }, "申论": { "written": false } }, "mood": "中性", "note": "用户原话" }

4.2 错题本 wrong_questions.json [ { "id": "uuid", "date": "2026-03-17", "source": "image", "模块": "判断推理", "subtype": "逻辑判断", "question_text": "题目文字；图形题写对规律的描述", "visual_description": "图形推理/统计图的详细视觉描述（多模态模型生成）", "answer": "B", "user_annotation": "用户手写批注", "error_reason": "知识点不会 | 粗心 | 时间不够 | 概念混淆", "keywords": ["假言命题", "逆否命题"], "raw_image_b64": "base64...", "状态": "待二刷 | 已掌握" } ]

4.3 统计缓存 stats_缓存.json { "last_更新d": "2026-03-17", "streak": 5, "total_days_studied": 12, "weak_模块s": ["数量关系", "判断推理"], "模块_accuracy": { "言语理解": 0.82, "数量关系": 0.51, "判断推理": 0.68, "资料分析": 0.74 } }

五、核心流程 Step 1：消息路由（解析_输入.js） 文字消息 → 解析Study输入() 提取科目/错题数/情绪 图片消息 → 解析Image输入() 调用多模态模型

图片处理流程：

读取 config.json 中的 multimodal 配置 如未配置 → 回复"请先配置多模态模型 API，见安装提示" 调用多模态模型，提取：科目、题型、题目内容、视觉描述、答案、错误原因推测 needs_confirm 不为 null 时追问（最多一个问题）；caption 已含原因则直接归档

追问只问一次，按优先级：

识别不到科目 → 问科目 原因不明确 → 问"粗心还是没掌握还是时间不够" 信息完整 → 不追问，直接归档 Step 2：归类错题原因 原因 关键词 知识点不会 不懂、没学过、概念不清楚 粗心 看错、算错、选反了 时间不够 没做完、最后几题蒙的 概念混淆 搞混了、分不清、以为是 Step 3：更新记录（更新_dAIly.js）

写入 dAIly/{date}.json，同步更新 stats_缓存.json（连续打卡、模块准确率）。

Step 4：生成回复

见 references/reply_templates.md，150 字以内。语气见 references/tone_图形界面de.md。

Step 5：导出 Excel（导出_xlsx.js） 截图原图通过 openpyxl（Python）嵌入对应行 Windows 兼容：先尝试 python3，失败自动 fallback 到 python 输出两个 Sheet：错题本（含截图列）+ 每日记录 可直接发给 Kimi / 其他模型做趋势分析 Step 6：同步飞书云文档（feishu_doc.js，可选） 需配置 feishu_doc.应用_id / 应用_secret / doc_令牌 截图上传飞书文件系统后作为图片块插入文档 对图形推理、统计图最有用：飞书内直接看图，不用下载 Step 7（可选）：定时推送

每天 21:00 触发 dAIly_summary.js，自动发当日总结。

六、文件索引 文件 作用 scripts/解析_输入.js 文字解析 + 多模态图片识别 scripts/更新_dAIly.js 写入每日记录 + 统计缓存 scripts/导出_xlsx.js 导出 Excel（含截图嵌入，openpyxl） scripts/feishu_doc.js 同步到飞书云文档（含图片块，可选） scripts/dAIly_summary.js 定时汇总并主动发送 references/reply_templates.md 回复话术模板 references/tone_图形界面de.md 语气风格指引 as设置s/模块_map.json 科目/模块名称标准化映射 as设置s/config.example.json 配置模板（多模态 + 飞书），复制为 config.json 使用 七、错误处理 未配置多模态 API 却发图片 → 回复安装提示，引导配置 模型识别返回 error → 回复"没识别出来，能文字描述一下题目吗？" 文字消息解析不出科目 → 回复"能说说今天做了哪个科目、错了几道吗？" 数据写入失败 → 记录 error 记录，回复"记录暂时存不上，你提醒我稍后再试" 连续 3 天无打卡 → 下次收到消息时，回复末尾轻轻提一句 八、隐私说明

所有数据（含截图 base64）存储在本地，不上传任何云端（飞书同步除外，仅在用户主动触发时上传到用户自己的飞书文档）。

九、如果这个 技能 对你有帮助

⭐ Star 这个仓库，让更多备考的人能找到它 🍴 Fork 改成你的考试类型（省考 / 事业单位 / 军考……） 有问题欢迎提 Issue 或 PR。

https://github.com/KaguraNanaga/kaogong-study-追踪er